Auf maschinellem Lernen basierende Vorhersage der Leistungsauslastung

Dieses Buch fasst die Elektrizitätslastprognose zusammen, die heutzutage in den modernen elektrischen Energiemanagementsystemen mit Elementen der Smart-Greed-Technologie erheblich an Bedeutung gewonnen hat. Große Stromdaten haben die Eigenschaften einer großen Anzahl, einer hohen Dimension und von Zeitreihen. Gleichzeitig gibt es viele Formen von fehlenden Stromdaten, einige fehlen verstreut, und einige fehlen nach einander. Daher wird der Kombination von Vorhersagemethoden immer mehr Aufmerksamkeit geschenkt. Wir haben eine explorative Datenanalyse, eine Vorverarbeitung und eine Aufteilung zwischen Training und Test vor dem Training des Modells durchgeführt. Um die Vorteile des vorgeschlagenen Modells zu testen, haben wir verschiedene Metriken verwendet: mittlerer absoluter Fehler, mittlerer quadratischer Fehler und mittlerer quadratischer Wurzelfehler.

Autorentext

Dr. M. Aravind Kumar hat einen B. Tech-Abschluss in ECE, einen M Tech-Abschluss in VLSI System Design von der JNTUH und einen Ph.D. von der GITAM University, Visakhapatnam. Er arbeitet am WEST GODAVARI INSTITUTE OF SCIENCE AND ENGINEERING als Direktor. Er verfügt über 15 Jahre Lehrerfahrung. Er ist Mitglied auf Lebenszeit bei FIE, ISTE, TETE, SCIEI, UACEE und IAENG.